1D维数据增强实战：解决小样本学习中的特征稀疏问题

1次阅读

没有评论

共计 1812 个字符，预计需要花费 5 分钟才能阅读完成。

在工业传感器监测、医疗 ECG 分析等领域，1D 时间序列数据常因采集成本高或罕见事件导致样本不足。例如 ECG 异常检测中，正常样本占比可能超过 90%，而病理信号仅占个位数百分比。这种样本不平衡会导致模型出现两种典型问题：

特征稀疏性：模型难以从有限样本中学习到判别性模式，尤其对边缘案例（如突发性心律失常）敏感度低
过拟合陷阱：当训练样本不足万级别时，即使简单 CNN 模型也可能在 10 个 epoch 内达到 100% 训练准确率，但验证集表现停滞在 60% 左右

Jittering（抖动增强）：通过添加高斯噪声模拟信号扰动，但会破坏原始信号的相位连续性
Scaling（幅度缩放）：对整体信号进行线性放缩，无法生成时域上的新模式
Warping（时间扭曲）：随机拉伸 / 压缩时间轴，可能导致关键特征点偏移（如 ECG 的 R 峰位置）

动态时间规整 (DTW=Dynamic Time Warping) 的核心思想是：找到两个序列的最佳对齐路径。将该原理应用于数据增强：

从训练集中选取锚点样本（anchor）
计算目标样本与锚点的 DTW 路径矩阵 $D_{i,j}$
沿最优路径施加随机卷积核，保留时序相关性同时注入多样性

使用 tsaug 库实现非刚性时间扭曲，关键参数设置：

from tsaug import TimeWarp

augmenter = TimeWarp(
    n_speed_change=3,  # 生成 3 种变速版本
    max_speed_ratio=1.5,  # 最大变速比例
    seed=42
)

augmented_data = augmenter.augment(X_train)  # X_train 形状为[N, T]

PyTorch 自定义层实现要点：

import torch
import torch.nn.functional as F

class RandomConv1D(torch.nn.Module):
    def __init__(self, kernel_size=5, n_kernels=10):
        super().__init__()
        # 在 GPU 上预生成随机卷积核
        self.kernels = torch.randn(
            n_kernels, 1, kernel_size, 
            device='cuda'
        ) * 0.1  # 限制权重范围

    def forward(self, x):
        """x: [B, C, T]"""
        B = x.shape[0]
        # 为每个样本随机选择卷积核
        idx = torch.randint(0, len(self.kernels), (B,))
        selected_kernels = self.kernels[idx] 

        # 分组卷积确保计算效率
        return F.conv1d(
            x, selected_kernels, 
            padding='same', groups=B
        )

DTW 变形阈值：通过 UCR 数据集的测试，建议将最大路径偏差控制在原始序列长度的 15% 以内
卷积核选择：核数量与训练样本量成反比，经验公式：n_kernels = max(50, 2000//batch_size)

在线增强流水线：

dataset = TensorDataset(X_train, y_train)
loader = DataLoader(
    dataset, 
    batch_size=64,
    collate_fn=lambda batch: (RandomConv1D()(torch.stack([x for x,_ in batch])),  # 即时增强
        torch.stack([y for _,y in batch])
    )
)